一种面向移动覆盖风险的空天地车联网任务卸载与资源配置方法

摘要: 本发明涉及车联网边缘计算、车辆移动预测以及空天地通信与计算资源配置,具体为一种面向移动覆盖风险的空天地车联网任务卸载与资源配置方法。背景技术:1、车联网中的环境...
一种面向移动覆盖风险的空天地车联网任务卸载与资源配置方法

本发明涉及车联网边缘计算、车辆移动预测以及空天地通信与计算资源配置,具体为一种面向移动覆盖风险的空天地车联网任务卸载与资源配置方法。

背景技术:

1、车联网中的环境感知、目标识别和协同驾驶任务具有输入数据量大、计算工作量高以及完成期限明确等特点。车辆本地处理器的计算能力和可用能量有限,将任务经无线链路交由无人机或低轨卫星处理能够补充计算资源,但同时引入上传、中继、节点计算和资源竞争开销。

2、在车辆、无人机和低轨卫星组成的三层任务处理网络中,车辆首先接入无人机,并可由无人机继续中继至当前可见的低轨卫星。车辆本地、无人机和卫星能够共同处理同一可拆分任务,因此任务处理比例必须与两级链路的实际可用状态、链路带宽、节点计算能力和无人机剩余能量相匹配。且车辆持续移动会使当前可用的车辆—无人机链路在后续时刻接近或超出服务范围。已有方案常将预测位置用于轨迹规划、候选服务器筛选或连接中断概率估计,容易使“当前能否执行”与“未来是否稳定”在同一判定中混合:若仅依据当前位置选择路径,难以区分远端处理比例不同所带来的覆盖风险;若直接根据预测位置增加当前候选路径,则可能把尚未建立的连接作为可执行路径。同时,由于无人机运动、路径选择、任务拆分和资源配置相互耦合。若将离散路径、任务比例和连续资源统一编码,搜索维度显著增加,并会产生资源不可行候选。

3、因而,如何提供一种为兼顾移动覆盖风险和资源约束,可在解码候选路径和任务比例后计算风险,再对候选配置求解通信与计算资源,并在执行前复核最终配置,复核未通过时采用整体回退的面向移动覆盖风险的空天地车联网任务卸载与资源配置方法,是本发明亟待解决的问题。

技术实现思路

1、本发明的目的在于提出了一种面向移动覆盖风险的空天地车联网任务卸载与资源配置方法,从而能够根据当前状态建立链路可行域,根据车辆多步预测位置与无人机外推位置计算移动覆盖风险;在风险评价后求解连续资源,筛选资源可行候选,并在执行前进行资源复算和风险重算,以减少移动覆盖变化造成的任务中断,并保证下发配置满足资源约束。

2、为实现上述目的,本发明采取的技术方案是:

3、本发明在车辆终端、无人机和低轨卫星组成的三层网络中,以连续历史运动状态生成多步车辆位置;以末步预测位置辅助无人机候选运动,经边界、间距和能量检查后取得当前服务状态;以车辆实际当前位置、无人机当前服务位置和低轨卫星当前可见状态冻结当前链路可行域;在该可行域内解码路径和任务比例,外推无人机未来位置并先计算移动覆盖风险,随后求解连续资源并剔除资源不可行配置。

4、本方法在每个控制周期内依次执行“当前可行域冻结—候选配置解码—移动覆盖风险计算—连续资源求解与筛选—执行时复算校验—通过后风险重算及整体下发或失败后整体回退”。每个周期所处理的任务集合按照其到达时的服务状态进行评价,车辆不通过直接车星链路访问低轨卫星。在每一控制周期内均包括以下步骤:

5、步骤一、获取车辆终端的连续历史位置、速度、航向和任务属性(即当前计算任务信息),以及无人机位置、速度、航向、剩余能量和低轨卫星当前可见状态,生成多个预测时刻的车辆位置序列;将末时刻预测位置与当前网络状态用于生成无人机候选运动,经服务区域、无人机间距和飞行能量检查后得到无人机当前服务状态;根据车辆实际当前位置、无人机当前服务位置和低轨卫星当前可见状态建立两级候选路径并冻结为当前链路可行域,并在本控制周期的候选配置评价期间冻结所述当前链路可行域;车辆预测位置在所述可行域内用于后续移动覆盖风险计算;

6、步骤二、依次执行候选配置解码、移动覆盖风险计算和资源可行性求解:在所述当前链路可行域内建立包含车辆—无人机选择、无人机—卫星选择以及本地、无人机和低轨卫星任务处理比例的候选配置编码,并依据所述当前链路可行域屏蔽不可执行的远端处理分支;针对每一解码后的候选配置,以步骤一确定的无人机当前服务位置为外推起点,按照该无人机的当前速度和当前航向得到多个预测时刻的无人机未来位置,根据同一预测时刻的车辆预测位置与无人机未来位置之间的服务范围越界程度计算移动覆盖风险,并按无人机处理比例与低轨卫星处理比例之和进行加权;随后固定两级路径关系和任务处理比例,求解满足当前链路容量、节点计算能力和无人机能量约束的链路带宽和节点计算资源,将未取得资源可行解的候选配置剔除;仅对取得资源可行解的候选配置,将资源配置代价和所述移动覆盖风险合并用于排序,其中,所述车辆预测位置和移动覆盖风险均不增加、替换或恢复所述当前链路可行域中的路径,且不使资源不可行候选进入排序;

7、步骤三、在配置下发前,以更新的车辆实际位置、无人机实际服务状态、低轨卫星当前可见状态和节点剩余资源对选定配置复算资源并校验;校验全部通过时,基于更新后的车辆预测位置以及从无人机实际服务位置、当前速度和当前航向外推的未来位置重新计算最终移动覆盖风险,再整体下发两级关联、三分支任务比例、链路带宽和节点计算资源;任一校验未通过时不保留部分远端配置,而是将任务回退至全部本地处理,同步清除两级关联、远端任务比例和全部远端资源,并保留已发生的飞行能耗。

8、优选的,步骤一中的车辆位置序列中的末时刻预测位置采用残差序列到序列门控循环单元模型,以车辆连续历史时刻的位置、速度和航向为输入,以恒速外推位置为基准叠加预测残差;预测末步位置参与无人机候选运动生成,完整末时刻预测位置序列作为后续用于候选配置的移动覆盖风险计算。

9、优选的,步骤一中的无人机轨迹控制策略根据自身状态、车辆当前相对位置和预测末步相对位置、车辆任务、其他无人机状态及低轨卫星可见状态生成加速度和航向增量;通过有界动作映射、速度裁剪、服务区域裁剪、无人机间距检查和飞行能量检查确定无人机当前服务状态。对于移动覆盖风险评价,以该当前服务位置为起点,按检查后的当前速度和当前航向外推无人机未来位置序列,并用于当前链路可行域内候选配置的风险计算。

10、优选的,对于k辆车辆和m架无人机,候选配置编码包含3k+m个归一化分量,仅表示当前链路可行域内的两级路径选择和三分支任务拆分;链路带宽和节点计算资源不进入所述编码,而是在每个候选配置的路径关系和任务处理比例固定后单独求解,其中,k个分量选择车辆关联的无人机,m个分量选择无人机关联的低轨卫星,另外2k个分量确定车辆本地处理和无人机处理的任务拆分对数权重,低轨卫星处理的任务拆分对数权重固定为零。

11、优选的,步骤二中,对解码后的候选配置先计算移动覆盖风险,再在固定两级路径关系和任务处理比例的条件下,以链路带宽和节点计算资源为连续变量求解资源配置问题;仅当得到满足活动链路正带宽、活动处理分支正计算资源、节点总容量和无人机剩余能量约束的有限解时,才将该候选配置加入资源可行候选集合,并将资源配置代价与已计算的移动覆盖风险合并形成适应度;未加入所述资源可行候选集合的候选配置不被接受,也不因移动覆盖风险数值较小而重新进入排序。

12、优选的,步骤二中,以步骤一确定的无人机m当前服务位置为起点,按照该无人机的当前速度和当前航向,以控制周期为时间间隔进行恒速、恒航向外推,得到无人机m在第h个预测步的未来位置;以车辆k在第h个预测步的位置与同一预测步的所述无人机未来位置之间的三维距离、该无人机的最大服务距离和预测步数h,计算链路预测覆盖风险:

13、;

14、其中,表示第h个预测时刻车辆k的预测位置与无人机m的外推未来位置之间的三维距离,表示无人机m预先设定的固定覆盖半径,=max{x,0},其中,为。

15、按车辆—无人机关联指示及远端处理比例=+加权得到候选配置预测覆盖风险:

16、;

17、其中,表示车辆k与无人机m的关联指示变量,二者关联时取1,否则取0;和分别表示无人机处理和卫星处理比例;全部任务本地执行时令=0;对于满足资源及能量约束的候选配置,以g+作为适应度,g为凸优化所得加权代价,为大于零的预测风险权重,对资源不可行候选配置赋予正无穷适应度。

18、优选的,步骤二中,所述资源配置代价由任务完成时延、系统能耗和截止期超时量加权得到,所述截止期超时量为任务完成时延与任务截止期之差的正部;所述任务完成时延取本地处理分支、无人机处理分支和低轨卫星处理分支中各活动处理分支时延的最大值;无人机处理分支与低轨卫星处理分支共用同一次车辆—无人机上传,上传数据量为两个远端任务处理比例之和与任务输入数据量的乘积;无人机将关联车辆的卫星待处理数据聚合转发,低轨卫星处理分支的时延包括所述共用上传时延、所经无人机的聚合转发时延、无人机—卫星传播时延和卫星计算时延;所述系统能耗为当前控制周期内完成车辆任务所产生的车辆本地计算能耗、车辆—无人机上传能耗、无人机计算能耗、无人机向低轨卫星转发能耗、无人机飞行能耗及低轨卫星计算能耗之和,其中车辆—无人机共用上传能耗和聚合转发能耗分别只计入一次。

19、优选的,步骤二中,连续的资源配置问题以各活动链路的带宽、各活动远端处理分支的计算资源、任务完成时延辅助变量及截止期超时辅助变量为优化变量,设置任务完成时延辅助变量不小于车辆各活动处理分支时延,截止期超时辅助变量不小于任务完成时延与任务截止期之差且不小于零;所述连续的资源配置问题满足各无人机和低轨卫星的带宽和计算资源容量约束、活动分支的正资源条件,以及无人机飞行、计算和转发能耗之和不超过剩余能量的约束,未激活链路和处理分支对应的资源分配置零。

20、优选的,步骤二中候选配置的搜索初始化时设置全部本地处理的保留配置,更新后的候选配置始终依据冻结的当前链路可行域重新解码,并依次执行移动覆盖风险计算和连续资源求解;所述步骤三中,将从步骤二的排序结果中选取的候选配置作为待下发配置,所述待下发配置仅在配置下发前的资源复算和严格数值容差校验全部通过后,才基于更新的车辆预测位置以及按无人机当前速度和当前航向外推的无人机未来位置重新计算最终移动覆盖风险并整体下发;任一校验未通过时,将车辆本地处理比例置一、无人机和低轨卫星处理比例置零,并将两级关联和全部远端资源置零,已计入能量预算的无人机飞行能耗保持不变。

21、优选的,根据冻结的当前链路可行域设置本地、无人机和低轨卫星处理分支的可用性标记,通过带可用性标记的比例映射获得三分支任务处理比例;对每个解码配置,先根据车辆和无人机在各预测步的位置计算移动覆盖风险,再求解连续资源;仅当资源求解结果满足活动资源正值、节点容量和无人机能量约束时,才将资源配置代价与所述风险合并用于候选排序。所述风险用于资源可行候选之间的排序,当前覆盖和当前可见条件由当前链路可行域确定。

22、优选的,本地处理分支独立执行,无人机处理分支和低轨卫星处理分支共用同一次车辆—无人机上传;无人机将其关联车辆的卫星待处理数据聚合后转发,任务完成时间取各活动处理分支完成时间的最大值,车辆—无人机上传时延和上传能耗均按两个远端分支的合计数据量计算一次,无人机聚合转发能耗亦计入一次。

23、优选的,在两级路径关系和任务处理比例固定后,以任务完成时延及截止期超时辅助变量构造连续资源配置问题,在带宽、节点计算能力和无人机剩余能量约束下确定链路带宽与计算资源;候选配置搜索保留全部本地处理配置,选定配置在执行前用更新的实际状态复算资源并校验,通过后重算最终移动覆盖风险并整体下发,失败时整体清除远端决策和资源。

24、与现有技术相比,本发明的有益效果是:

25、(1)当前链路可行域由实际当前状态生成,并在本周期候选评价期间保持不变;车辆和无人机预测位置用于所述可行域内候选配置的移动覆盖风险评价。

26、(2)覆盖风险同时考虑车辆多步预测位置和无人机按当前速度、当前航向外推的多步未来位置,更符合车辆与服务无人机均在移动的空天地车联网场景。

27、(3)候选配置先计算覆盖风险,随后求解连续资源;满足带宽、计算和能量约束的候选进入排序。

28、(4)无人机与卫星处理分支共用一次车辆—无人机上传;选定方案在下发前复算并校验,通过后重算风险并整体下发,失败时全部回退至本地、远端决策和远端资源清零,同时保留已经发生的无人机飞行能耗。